讓Hadoop和其他大數(shù)據(jù)技術(shù)如此引人注目的部分原因是，他們讓企業(yè)找到問題的答案，而在此之前他們甚至不知道問題是什么。這可能會(huì)產(chǎn)生引出新產(chǎn)品的想法，或者幫助確定改善運(yùn)營效率的方法。不過，也有一些已經(jīng)明確的大數(shù)據(jù)用例，無論是互聯(lián)網(wǎng)巨頭如谷歌，F(xiàn)acebook和LinkedIn還是更多的傳統(tǒng)企業(yè)。它們包括：
推薦引擎：網(wǎng)絡(luò)資源和在線零售商使用Hadoop根據(jù)用戶的個(gè)人資料和行為數(shù)據(jù)匹配和推薦用戶、產(chǎn)品和服務(wù)。LinkedIn使用此方法增強(qiáng)其“你可能認(rèn)識(shí)的人”這一功能，而亞馬遜利用該方法為網(wǎng)上消費(fèi)者推薦相關(guān)產(chǎn)品。
情感分析： Hadoop與先進(jìn)的文本分析工具結(jié)合，分析社會(huì)化媒體和社交網(wǎng)絡(luò)發(fā)布的非結(jié)構(gòu)化的文本，包括Tweets和Facebook，以確定用戶對(duì)特定公司，品牌或產(chǎn)品的情緒。分析既可以專注于宏觀層面的情緒，也可以細(xì)分到個(gè)人用戶的情緒。
風(fēng)險(xiǎn)建模： 財(cái)務(wù)公司、銀行等公司使用Hadoop和下一代數(shù)據(jù)倉庫分析大量交易數(shù)據(jù)，以確定金融資產(chǎn)的風(fēng)險(xiǎn)，模擬市場行為為潛在的“假設(shè)”方案做準(zhǔn)備，并根據(jù)風(fēng)險(xiǎn)為潛在客戶打分。
欺詐檢測： 金融公司、零售商等使用大數(shù)據(jù)技術(shù)將客戶行為與歷史交易數(shù)據(jù)結(jié)合來檢測欺詐行為。例如，信用卡公司使用大數(shù)據(jù)技術(shù)識(shí)別可能的被盜卡的交易行為。
營銷活動(dòng)分析：各行業(yè)的營銷部門長期使用技術(shù)手段監(jiān)測和確定營銷活動(dòng)的有效性。大數(shù)據(jù)讓營銷團(tuán)隊(duì)擁有更大量的越來越精細(xì)的數(shù)據(jù)，如點(diǎn)擊流數(shù)據(jù)和呼叫詳情記錄數(shù)據(jù)，以提高分析的準(zhǔn)確性。
客戶流失分析： 企業(yè)使用Hadoop和大數(shù)據(jù)技術(shù)分析客戶行為數(shù)據(jù)并確定分析模型，該模型指出哪些客戶最有可能流向存在競爭關(guān)系的供應(yīng)商或服務(wù)商。企業(yè)就能采取最有效的措施挽留欲流失客戶。
社交圖譜分析： Hadoop和下一代數(shù)據(jù)倉庫相結(jié)合，通過挖掘社交網(wǎng)絡(luò)數(shù)據(jù)，可以確定社交網(wǎng)絡(luò)中哪些客戶對(duì)其他客戶產(chǎn)生最大的影響力。這有助于企業(yè)確定其“最重要”的客戶，不總是那些購買最多產(chǎn)品或花最多錢的，而是那些最能夠影響他人購買行為的客戶。
用戶體驗(yàn)分析： 面向消費(fèi)者的企業(yè)使用Hadoop和其他大數(shù)據(jù)技術(shù)將之前單一 客戶互動(dòng)渠道(如呼叫中心，網(wǎng)上聊天，微博等)數(shù)據(jù)整合在一起， ，以獲得對(duì)客戶體驗(yàn)的完整視圖。這使企業(yè)能夠了解客戶交互渠道之間的相互影響，從而優(yōu)化整個(gè)客戶生命周期的用戶體驗(yàn)。
網(wǎng)絡(luò)監(jiān)控：Hadoop 和其他大數(shù)據(jù)技術(shù)被用來獲取，分析和顯示來自服務(wù)器，存儲(chǔ)設(shè)備和其他IT硬件的數(shù)據(jù)，使管理員能夠監(jiān)視網(wǎng)絡(luò)活動(dòng)，診斷瓶頸等問題。這種類型的分析，也可應(yīng)用到交通網(wǎng)絡(luò)，以提高燃料效率，當(dāng)然也可以應(yīng)用到其他網(wǎng)絡(luò)。
研究與發(fā)展： 有些企業(yè)(如制藥商)使用Hadoop技術(shù)進(jìn)行大量文本及歷史數(shù)據(jù)的研究，以協(xié)助新產(chǎn)品的開發(fā)。
當(dāng)然，上述這些都只是大數(shù)據(jù)用例的舉例。事實(shí)上，在所有企業(yè)中大數(shù)據(jù)最引人注目的用例可能尚未被發(fā)現(xiàn)。這就是大數(shù)據(jù)的希望。